T-근접성 편집하기

[[분류:개인정보보호]]
[[분류:데이터 과학]]

;t-closeness
;동질 집합에서 특정 정보의 분포와 전체 데이터 집합에서 정보의 분포가 t이하의 차이를 보이도록 하는 성질

*[[l-다양성]]의 취약점(쏠림 공격, 유사성 공격)을 보완하기 위해 모델
*각 동질 집합에서 ‘특정 정보의 분포’가 전체 데이터집합의 분포와 비교하여 너무 특이하지 않도록 함

==[[l-다양성]]의 취약점==

;쏠림 공격 (skewness attack)

*정보가 특정한 값에 쏠려 있을 경우 ℓ-다양성 모델이 프라이버시를 보호하지 못함

;유사성 공격 (similarity attack)

*비식별 조치된 레코드의 정보가 서로 비슷하다면 ℓ-다양성 모델을 통해 비식별 된다 할지라도 프라이버시가 노출될 수 있음

==적용 예시==

===조치 전===

{| class="wikitable"
! rowspan="2" |구분
! colspan="2" |속성자
! colspan="2" |민감한 정보
! rowspan="2" |비고
|-
!지역코드
!연령
!원급
!질병
|-
|1
|476**
|2*
|300
|위궤양
| rowspan="3" |모두가 '위'와
관련한 유사

질병으로 취약
|-
|2
|476**
|2*
|400
|급성 위염
|-
|3
|476**
|2*
|500
|만성 위염
|-
|4
|4790*
|＞ 40
|600
|급성 위염
| rowspan="3" |다양한 질병이
혼재되어 안전
|-
|5
|4790*
|＞ 40
|1100
|감기
|-
|6
|4790*
|＞ 40
|800
|기관지염
|-
|7
|476**
|3*
|700
|기관지염
| rowspan="3" |다양한 질병이
혼재되어 안전
|-
|8
|476**
|3*
|900
|폐렴
|-
|9
|476**
|3*
|1000
|만성 위염
|}

*[[k-익명성]] 및 [[l-다양성]] 모델에 의해 비식별화된 의료 데이터

*레코드 1,2,3이 속한 동질 집합의 병명이 서로 다르지만 의미가 서로 유사함(위궤양, 급성 위염, 만성 위염) 
*공격자는 공격 대상의 질병이 ‘위’에 관련된 것이라는 사실을 알아낼 수 있음 
*또 다른 민감한 정보인 급여에 대해서도 공격 대상이 다른 사람에 비해 상대적으로 낮은 급여 값을 가짐을 쉽게 알아낼 수 있음(300~ 500만원)

===조치===

*t-근접성 모델을 적용하여 정보의 분포를 조절한 예

{| class="wikitable"
! rowspan="2" |구분
! colspan="2" |속성자
! colspan="2" |민감한 정보
! rowspan="2" |비고
|-
!지역코드
!연령
!원급
!질병
|-
|1
|4767*
|< 40
|300
|위궤양
| rowspan="3" |급여의 분포와
다양한 질병

으로 안전
|-
|3
|4767*
|< 40
|500
|만성 위염
|-
|8
|4767*
|< 40
|900
|폐렴
|-
|4
|4790*
|＞ 40
|600
|급성 위염
| rowspan="3" |급여의 분포와

다양한 질병

으로 안전
|-
|5
|4790*
|＞ 40
|1100
|감기
|-
|6
|4790*
|＞ 40
|800
|기관지염
|-
|4
|4760*
|3*
|400
|급성 위염
| rowspan="3" |급여의 분포와

다양한 질병

으로 안전
|-
|7
|4760*
|3*
|700
|기관지염
|-
|9
|4760*
|3*
|1000
|만성 위염
|}

*레코드 1, 3, 8의 급여의 분포는 (30 ~ 90)으로 전체적인 급여의 분포(30 ~ 110)와 큰 차이가 나지 않음
*레코드 1, 3, 8의 질병 분포는 위궤양, 만성위염, 폐렴으로 병명이 서로 다르고 질병이 ‘위’와 관련된 것 이외에 ‘폐’와 관계된 것도 있어 특정 부위의 질병임을 유추하기 어려움
*조치전과 비교하여 공격자가 공격 대상의 정보를 추론하기가 더욱 어려워짐

==조치 방법==

*t수치가 0에 가까울수록 전체 데이터의 분포와 특정 데이터 구간의 분포 유사성이 강해지기 때문에 그 익명성의 방어가 더 강해지는 경향 
*익명성 강화를 위해 특정 데이터들을 재배치해도 전체 속성자들의 값 자체에는 변화가 없기 때문에 일반적인 경우에 정보 손실의 문제는 크지 않음

==같이 보기==

*[[k-익명성]]
*[[l-다양성]]